浅谈水稻八行与六行插秧机应用效果

采用八行插秧机必须选用早熟品种密植、培育壮秧、控制播量和无效分蘖、合理施肥,可比六行插秧机每平方米多91穗、结实率提高3.5%,增产691kg/hm2。     

水洗处理对秸秆生物质炭吸附解吸Cd2+和Pb2+的特性影响

水洗处理在不影响生物质炭性质的前提下,可以去除附着在其表面的热解副产物,从而保证对重金属离子的去除能力。以小麦和玉米秸秆为原料,比较两种秸秆类生物质炭对溶液Cd2+和Pb2+的吸附解吸特点及其水溶性盐分含量的影响。结果表明,小麦和玉米秸秆生物质炭对Cd2+和Pb2+的吸附过程均更好地符合准二级动力学方程和Langmuir方程。小麦秸秆生物质炭对Cd2+和Pb2+的最大吸附量达12.82 mg g?1和9.91 mg g?1,为玉米秸秆吸附量的1.31 ~ 1.76倍和1.06 ~ 1.53倍。洗脱水溶性盐分可以降低生物质炭对Cd2+和Pb2+的吸附,水洗后小麦秸秆和玉米秸秆生物质炭对Cd2+的最大吸附量分别降低42.36%和60.13%,对Pb2+的最大吸附量分别降低29.47%和62.72%。水洗处理提高了两种秸秆生物质炭对Cd2+和Pb2+的解吸率,其中小麦秸秆生物质炭提高幅度较大,由原来对Cd2+的解吸率为1.84% ~ 13.05%提高到7.88% ~ 20.19%,对Pb2+的解吸率为1.57% ~ 11.82%提高到6.34% ~ 16.94%。因此,可溶性盐分在秸秆生物质炭吸附Cd2+和Pb2+的过程中具有重要作用,该研究结果将为制备高效修复重金属污染土壤的生物质材料提供技术支撑。     

基于机器视觉技术检测裂纹玉米种子

种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。     

禽类干扰素研究进展

本文从不同类型禽用干扰素的研发、生物活性分析、实践应用等方面,对鸡、鸭、鹅等禽类干扰素的研发现状作详细的阐述,分析和提出了当前该领域存在的问题和不足,并对其应用前景进行预测展望,为从事禽类干扰素的研发工作提供较全面的背景资料和理论依据.     

浅谈水稻八行与六行插秧机应用效果

采用八行插秧机必须选用早熟品种密植、培育壮秧、控制播量和无效分蘖、合理施肥，可比六行插秧机每平方米多91穗、结实率提高3．5％，增产691kg／hm^2。     

中草药制剂对苹果褐腐病防治效果的影响

在室温(25℃)条件下,用3种鹿蹄草中草药组合成不同浓度处理,对苹果采后褐腐病防治效果进行了初步探讨.结果表明,用上述3种中草药组合的不同浓度处理与仅接种褐腐病菌的对照(ck)相比,均能不同程度地抑制和延缓褐腐病菌对苹果果实的侵染,并且浓度越高效果越明显;同级浓度处理相比,11号中草药组合的效果优于14号与21号组合;但是均不及化学药剂扑海因处理(ck1).     

基于改进YOLOv5m的采摘机器人苹果采摘方式实时识别

为准确识别果树上的不同苹果目标,并区分不同枝干遮挡情形下的果实,从而为机械手主动调整位姿以避开枝干对苹果的遮挡进行果实采摘提供视觉引导,提出了一种基于改进YOLOv5m面向采摘机器人的苹果采摘方式实时识别方法。首先,改进设计了BottleneckCSP-B特征提取模块并替换原YOLOv5m骨干网络中的BottleneckCSP模块,实现了原模块对图像深层特征提取能力的增强与骨干网络的轻量化改进;然后,将SE模块嵌入到所改进设计的骨干网络中,以更好地提取不同苹果目标的特征;进而改进了原YOLOv5m架构中输入中等尺寸目标检测层的特征图的跨接融合方式,提升了果实的识别精度;最后,改进了网络的初始锚框尺寸,避免了对图像里较远种植行苹果的识别。结果表明,所提出的改进模型可实现对图像中可直接采摘、迂回采摘（苹果上、下、左、右侧采摘）和不可采摘果实的识别,识别召回率、准确率、mAP和F1值分别为85.9%、81.0%、80.7%和83.4%。单幅图像的平均识别时间为0.025s。对比了所提出的改进算法与原YOLOv5m、YOLOv3和EfficientDet-D0算法在测试集上对6类苹果采摘方式的识别效果,结果表明,所提出的算法比其他3种算法识别的mAP分别高出了5.4、22、20.6个百分点。改进模型的体积为原始YOLOv5m模型体积的89.59%。该方法可为机器人的采摘手主动避开枝干对果实的遮挡,以不同位姿采摘苹果提供技术支撑,可降低苹果的采摘损失。     

基于K-means聚类与果萼形状的‘海沃德’猕猴桃膨大果检测方法

【目的】根据‘海沃德’猕猴桃膨大果和未经膨大剂处理的猕猴桃正常果在果萼形状上的差异,建立一种基于K-means聚类算法的猕猴桃膨大果的图像识别方法。【方法】利用K-means聚类算法对猕猴桃的RGB图像进行聚类,以初步分割出猕猴桃果萼;对RGB图像进行灰度化,并采用最大类间方差法对灰度图像进行阈值分割,基于阈值分割后的二值图像提取猕猴桃的边缘区域;基于K-means聚类分割的结果与猕猴桃边缘区域的二值图像提取果萼的聚类,再利用数学形态学处理精确提取出猕猴桃的果萼。求取果萼区域最小外接矩形的长宽比,并根据长宽比进行猕猴桃正常果与膨大果的判断与识别。【结果】对提取的猕猴桃果萼特征的统计分析表明,当猕猴桃果萼区域最小外接矩形的长宽比值大于1.6时为膨大果,否则为正常果,利用该算法对‘海沃德’猕猴桃膨大果的总体正确识别率为91.5%。【结论】基于K-means聚类分割算法和果萼形状上的差异所提出的猕猴桃膨大果无损、便捷检测方法,为猕猴桃膨大果的工业化在线检测及基于手机平台的猕猴桃膨大果识别软件的开发提供了新思路。     

基于CenterNet的密集场景下多苹果目标快速识别方法

为提高苹果采摘机器人的识别效率和环境适应性,使其能在密集场景下对多苹果目标进行快速、精确识别,提出了一种密集场景下多苹果目标的快速识别方法.该方法借鉴"点即是目标"的思路,通过预测苹果的中心点及该苹果的宽、高尺寸,实现苹果目标的快速识别;通过改进CenterNet网络,设计了Tiny Hourglass-24轻量级骨干...     

苹果生产智能底盘与除草及收获装备技术研究进展

苹果产业作为苹果主产区经济发展的支柱产业，为当地果农增收、农业增效做出了重要贡献。随着产业的转型升级，苹果生产机械化和智能化的发展程度将影响其经济效益。为推进苹果生产智能化技术研究与智能装备研发，本文概述了苹果生产各个环节机械化水平，阐述了动力底盘、除草装备、收获装备等苹果生产装备主要技术特点，归纳了自动调平与控制、自主导航、自动避障、杂草识别、杂草去除、苹果识别、苹果定位、苹果分离等技术分别在智能化动力底盘、智能除草装备、苹果采收机器人上的研究与应用进展，并阐明了上述3种智能装备关键技术的基本原理和特点。在此基础上，指出了目前苹果生产智能装备技术面临的挑战，并提出了发展建议。